Facebook推出了個叫「M」的智慧助手,他背後的商業模式是?
Facebook推出了個叫「M」的智慧助手,他背後的商業模式是?
2015.08.28 | Facebook

前註:本文來自wired,原文標題 Facebook Launches M, Its Bold Answer to Siri and Cortana,作者JESSI HEMPEL。


今天,幾百位來自舊金山灣區的Facebook用戶,將在他們的Messenger APP中體驗到M,Facebook最新推出的虛擬個人助理。Facebook希望通過這些用戶測試M的功能:訂餐館、選擇生日禮物、推薦並預約一次週末旅行等等。

Facebook負責訊息產品的副總裁David Marcus認為,不用花太長時間,人們就會意識到M能做的事遠比以往的那些虛擬個人助理多得多。

它能完成其他那些虛擬個人助理不能完成的任務」Marcus說道。

那是因為,除了通過人工智慧技術來完成任務,M也會從真實的客服人員那裡得到支持。

從Google到Taskrabbit,這些公司都開發出自己的虛擬個人助理。其中一些,像Apple Siri、Google Now、微軟Cortana,其功能完全依賴技術手段,儘管現在很多人都在使用這些虛擬個人助理,但她們能夠完成的任務真的很有限。

還有一些,像創業公司Magic和Operator,零工經濟公司(gig-economy)TaskRabbit,他們僱人來接收用戶發出的任務指令。這種服務幾乎能完成所有任務,並能滿足更少數群體的需求。

M則混合了以上這些虛擬個人助理的特點。它即通過人工智慧技術來完成任務,也會通過人力來完成,而這些人力就是來自Facebook的僱員,他們被稱為M訓練師,他們的工作就是回應M接收到的每一個請求。

Facebook做虛擬個人助理的目標是讓Messenger成為用戶使用手機去發現信息的第一站。

Google搜尋已經佔據我們的電腦桌面很久了:比如,如果我想知道身邊有什麼避暑之處,我就會在Google中搜索「上西區避暑勝地」。而在手機上,為了獲得這個答案,我會打開很多應用,像Google地圖、Twitter之類的,或者直接問問Siri。Facebook在手機端的發展有一個不小的劣勢,它沒有自己的操作系統。因此用戶必須把它的APP下載下來,然後才能使用其服務。Marcus希望虛擬個人助理M能夠幫Facebook解決這個問題,並成為用戶在桌面、手機端進行訊息查詢或線上購物等操作的第一站。

「我們會去了解用戶做每一件事的意圖」Marcus說道。「而這件事,常常會引導你去購物、付款。了解它,我們就有了獲利的機會。」

如果M能夠提供比它的競爭對手更高效的服務,Facebook就可以激勵更多用戶去手機端使用這個虛擬個人助理。最終,Facebook可能藉此獲得收入。這是一個雙贏的辦法。要知道,在過去不到兩年的時間裡,Facebook實現了超過三倍的用戶增長,而其用戶總數已達到7億。

它的工作原理是?

要嘗試這個新功能,用戶需要點擊Messenger APP底端的小按鈕,給M發送一條信息,就跟你在Facebook和好友聊天一樣。

M能夠理解自然語言,在交流過程中提出後續問題,並在完成任務時提示用戶。用戶不需要知道幫助你的是一台電腦還是一個人,M和Siri、Cortana不同,它沒有性別。

目前,M還沒有通過收集Facebook中的社交數據來完成用戶指令。所以,如果你想給你的愛人買件禮物,那M會問你幾個問題,並通過你對這些問題的回答,以及你和M之前的對話信息,為你挑選合適的禮物。

Marcus說,從Facebook獲取社交數據「一定要得到用戶同意才行」。

M最終會免費向所有Facebook Messenger用戶開放。

在公司內部,Facebook員工已經使用M好幾週了,他們用它來做任何事,從組織一場晚餐聚會到查找New Orleans地區別具一格的飲料。「有個工程師去巴黎待了幾天,他的朋友用M把他的桌子訂做成了法國款式」Marcus說道。「一天後,他的桌子上就出現了很有法國范兒的餐巾、棍子麵包,以及一頂Beret帽。」

M的人性一面

M的意義在於,它其實是一個永遠為你的利益服務的真實個體。Facebook的M訓練師都有客戶服務的背景。他們善於分辨騷擾訊息,並完成軟體不能完成的一些任務。

如果你要M為你的朋友辦一場生日晚宴,它可能只會為你預定好Uber和餐館。但如果有M訓練師的存在,M就可以在那晚給你的朋友送去驚喜,比如從你朋友最愛的麵包店預訂一份大號生日蛋糕。

「M會學習人類的行為」Marcus說道。

但是,儘管M解決任務很有一套,但它的反應速度還不夠快。馬上,Facebook辦公室裡的M訓練師就會搬到工程師團隊旁邊。Facebook把訓練師的工作外包出去了,但並未透露他們為此僱傭了多少人。Marcus期望Facebook能夠為此僱傭幾千人,但這畢竟需要投入很多錢。

Facebook希望通過M的商業化運作,產生一些經濟效益來彌補它投入其中的資金。而正如《連線》的Cade Metz所言,Facebook其實計劃利用M中收集到的數據,來反哺那些更複雜的人工智慧技術,從而減少僱傭訓練師的開銷。

商業模式:變成商業服務的即時轉單中心

難以想像M能夠產生什麼商業模式。或許它可以藉助大量的接入請求,和一些公司合作,提供比Messenge更直接、高效的服務。

「我舉個例子,如果你給有線電視公司打了很多電話,但他們並沒有實際解決你的問題」,Macus說道。「在這個情況下,用戶會更喜歡用M和這些公司打交道,或者直接通過Meesenger和這些公司溝通。」

Facebook早就通過Messenger幫這些公司做客服了。在Facebook三月舉辦的開發者大會上,Marcus宣布了Messenger的商業模式,它將允許商家寄收據、通知用戶他們的快遞送達,以及提供基本的客戶服務。

Marcus並未透露這項新功能是否能吸引到公司來使用,但他表示這個功能將會很有趣,並且他的團隊已經開始著手解決該功能可能面臨的問題。

「我們在公司和用戶兩者間都面臨著很多問題,但我們其實很享受這種狀態」Marcus說道。「現在我們想把這個服務向更多公司開放。」

國際化

Marcus認為,M的擴張速度可能會比較慢,但它最終會成為所有人的選擇。當它成為所有人選擇之時,它能完成的任務也就自然更多。

Facebook正有意將M嵌入其社群中,在這裡用戶基礎更大,用戶數量的增加能夠更好地解決目前正由M訓練師解決的一些問題,比如為你的家人提供一個合適的禮物,或一次有趣的假期旅行。

可以有把握地說,來自世界各地的Messenger 7億用戶中,大多數人,不會為朋友的生日聚會訂做蛋糕,或者像墨西哥、紐西蘭在一月份休息。M能否幫助用戶在紐約Bronx獲得到社會福利中的糧票?如何幫助美國Oklahoma的單親媽媽解決育兒難題?Marcus提出了這些挑戰,並且他堅信M可以攻克它們。

原文出處:虎嗅網

關鍵字: #Facebook
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓